Nvidia đang phát triển một phương pháp mới để nén texture và tiết kiệm bộ nhớ GPU trong nhiều năm qua. Mặc dù công nghệ này vẫn đang trong giai đoạn thử nghiệm (beta), một bản demo mới được phát hành đã cho thấy cách giải pháp dựa trên AI có thể giúp khắc phục những hạn chế về VRAM trên các GPU hiện đại.
Nvidia Neural Texture Compression – Giải pháp tối ưu hóa bộ nhớ VRAM
Công nghệ Neural Texture Compression (NTC) của Nvidia mang lại khả năng tiết kiệm bộ nhớ VRAM khổng lồ khi hiển thị đồ họa 3D phức tạp, dù chưa được áp dụng rộng rãi. Công nghệ này đã được kênh YouTube Compusemblethử nghiệm thông qua một bản demo chính thức, cho thấy tiềm năng của nó đối với các nhà phát triển game trong tương lai gần.
Theo Compusemble, RTX Neural Texture Compression sử dụng mạng nơ-ron chuyên biệt để nén và giải nén texture một cách động. Bản demo của Nvidia cung cấp ba chế độ kết xuất khác nhau:
- Reference Material: Texture vẫn giữ nguyên trạng thái gốc, không sử dụng NTC, dẫn đến mức tiêu thụ VRAM và dung lượng ổ đĩa cao.
- NTC Transcoded to BCn (định dạng nén block-compressed BCn): Texture được chuyển đổi khi tải, giúp giảm đáng kể dung lượng lưu trữ nhưng chỉ tiết kiệm VRAM ở mức vừa phải.
- Inference on Sample: Texture được giải nén chỉ khi cần thiết trong quá trình render, mang lại mức tiết kiệm VRAM và dung lượng ổ đĩa tối đa.
Hiệu suất thử nghiệm thực tế
Compusemble đã thử nghiệm bản demo ở độ phân giải 1440p và 4K, với các tùy chọn DLSS và TAA. Kết quả cho thấy NTC không chỉ giảm đáng kể mức sử dụng VRAM mà còn ảnh hưởng đến tốc độ khung hình (FPS). Cụ thể:
- Ở độ phân giải 1440p với DLSS, chế độ NTC Transcoded to BCn giúp giảm 64% dung lượng bộ nhớ texture, từ 272MB xuống còn 98MB.
- Chế độ NTC Inference on Sample giúp cắt giảm bộ nhớ texture xuống chỉ còn 11.37MB, tương đương mức giảm 95.8% so với khi không sử dụng công nghệ nén AI.
Ảnh hưởng đến hiệu suất GPU
Bản thử nghiệm chạy trên GPU GeForce RTX 4090, nơi DLSS và độ phân giải cao tạo thêm tải cho Tensor Cores, ảnh hưởng đến hiệu suất tùy theo cài đặt. Tuy nhiên, các thế hệ GPU mới hơn có thể tối ưu hóa hiệu suất và giảm thiểu sự suy giảm khung hình khi sử dụng công nghệ này.
Tầm quan trọng của Cooperative Vectors trong kết xuất đồ họa
Bản demo cũng nhấn mạnh vai trò của Cooperative Vectors trong các pipeline kết xuất hiện đại. Như Microsoft đã giải thích, Cooperative Vectors giúp tăng tốc các tác vụ AI trong thời gian thực bằng cách tối ưu hóa các phép toán vector. Những thuật toán này đóng vai trò quan trọng trong quá trình huấn luyện và tinh chỉnh mô hình AI, đồng thời nâng cao hiệu suất render cho game.
Với sự đầu tư mạnh mẽ của Nvidia vào các công nghệ kết xuất dựa trên AI như NTC, tương lai của ngành đồ họa sẽ chứng kiến sự cải tiến lớn trong việc tối ưu hóa bộ nhớ VRAM, giúp các nhà phát triển có thêm không gian sáng tạo trong thiết kế game.
